基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法

• 作者: 孙云莲 徐冰涵 易仕敏 王华佑 谢文旺 黄雅鑫
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 用电量 短期预测 模糊聚类 Elman网络 影响因素加权
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 1-7,13
• 页数: 8页
• 分类号: TM715
• 字数: 5205字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.05.001

摘要

用电量预测是智能电网建设中的一个重要课题,准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意义.利用计量自动化系统每15 min获得一次的居民用户用电量数据,提出基于模糊聚类与Elman神经网络算法的短期用电量预测及修正方法.该方法先通过模糊聚类将居民用户按用电行为分类,然后采用通径系数计算各类型影响用电量因素的权重,再将加权影响因素和历史用电量作为Elman网络的训练样本,进行短期用电量预测.最后采用修正算法对预测值进行修正.实例分析表明,该方法有效、可行.相比整体预测,该算法预测精度明显有所提高,且修正步骤使预测误差进一步降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙云莲	武汉大学电气与自动化学院	72	830	17.0	26.0
2	谢文旺	武汉大学电气与自动化学院	9	10	2.0	2.0
3	黄雅鑫	武汉大学电气与自动化学院	6	7	2.0	2.0
4	王华佑	武汉大学电气与自动化学院	6	4	2.0	2.0
5	徐冰涵	武汉大学电气与自动化学院	7	4	2.0	2.0
6	易仕敏		8	58	3.0	7.0